Результат исследования наглядно отображает, что распространенные темы составляют привычный для участников рынка новостной фон и слабо влияют на волатильность, тогда как более редко встречающиеся и, следственно, несущие больше новой информации темы влияют на волатильность сильнее
Для анализа был выбран относительно спокойный период функционирования российского фондового рынка. Предлагаемая в работе методология позволяет моделировать воздействие большого числа новостей, посвященных конкретной теме, на высоковолатильную и низковолатильную компоненту.
«В данной работе мы моделируем ошибки, используя два нормальных распределения. Мы дополняем смешанные GARCH-модели внешней переменной, отвечающей за тематику новостного фона, с целью оценки его влияния на волатильность фондового рынка России. Пользуясь тем, что применение смешанных моделей предполагает наличие двух компонент волатильности, мы оцениваем влияние тематики новостного фона на каждую из них», — пояснил заведующий кафедрой математической статистики факультета ВМК МГУ Виктор Королев.
Что такое GARCH
Авторегрессионная условная гетероскедастичность (англ. ARCH — AutoRegressive Conditional Heteroscedasticity) — применяемая в эконометрике модель для анализа временных рядов (в первую очередь финансовых), у которых условная (по прошлым значениям ряда) дисперсия ряда зависит от прошлых значений ряда, прошлых значений этих дисперсий и иных факторов. Данные модели предназначены для «объяснения» кластеризации волатильности на финансовых рынках, когда периоды высокой волатильности длятся некоторое время, сменяясь затем периодами низкой волатильности, причем среднюю (долгосрочную, безусловную) волатильность можно считать относительно стабильной.
Модели ARCH впервые были предложены Робертом Энглом в 1982 году. Уже в 1986 году Тим Боллерслев предложил обобщение этих моделей (GARCH). В дальнейшем различные авторы предложили и иные варианты моделей данного типа, учитывающих те или иные особенности.
Любая попытка моделирования доходностей финансовых активов приводит к необходимости моделирования волатильности доходности. Одним из наиболее популярных современных направлений такого моделирования является применение GARCH-моделей, причем в предположении о том, что случайные ошибки имеют смешанный закон распределения (так называемые смешанные GARCH-модели). В данной работе авторы следуют этому направлению, моделируя ошибки смесью двух нормальных распределений. При этом предметом интереса служит возможность интерпретации новостей как внешних шоков, которые могут влиять на волатильность. Поэтому авторы дополняют смешанные GARCH-модели экзогенной переменной, отвечающей за тематику новостного фона, с целью оценки его влияния на волатильность фондового рынка России. Пользуясь тем, что применение смешанных моделей предполагает наличие двух компонент волатильности, авторы оценивают влияние тематики новостного фона на каждую из компонент. Показано, что одна из них имеет значительно больший вес, но меньшую волатильность.
Так, для индекса РТС, характеризующего рынок в целом, от новостей зависит только волатильность компоненты, которая описывает «обычное состояние экономики». При этом повышательное воздействие на нее оказывают новости по нефтяной тематике, а также по темам, связанным с курсами валют и фондовым рынком. Для высокотехнологичной компании «Яндекс» на волатильность обеих компонент оказывает влияние новостной поток об экономике РФ в целом; кроме того, новости фондового рынка влияют на высоковолатильную компоненту. Для компании МТС на обе компоненты влияют новости об экономике России; на высоковолатильную компоненту повышательное воздействие оказывают геополитические новости, а также сообщения о фондовом рынке; низковолатильная компонента зависит от новостей о курсах валют и бирже. Для Сбера, компании банковского сектора, новости влияют только на изменение высоковолатильной компоненты, причем это касается нефтяной тематики.
Любая попытка моделирования доходностей финансовых активов приводит к необходимости моделирования волатильности доходности. Одним из наиболее популярных современных направлений такого моделирования является применение GARCH-моделей
Результат исследования наглядно отображает, что распространенные темы составляют привычный для участников рынка новостной фон и слабо влияют на волатильность, тогда как более редко встречающиеся и, следственно, несущие больше новой информации темы влияют на волатильность сильнее. В частности, ученые отметили, что даже большой публикационный поток по привычным для участников рынка темам может не оказывать существенного влияния на изменчивость доходностей активов. Поэтому инвесторам не нужно паниковать, видя большое число новостей, например, по экономике России в целом.
«Стоит отметить, что результаты получены на относительно спокойном новостном фоне (на данных за 2021 год). Повторение предложенной методологии на данных нестабильного периода является логичным направлением развития работы. Возможно, в условиях нестабильности, в том числе новостного фона, распространенные новости на привычные темы будут оказывать более значимое положительное, “успокаивающее” воздействие», — добавила доцент кафедры математических методов анализа экономики экономического факультета МГУ Ольга Клачкова.
Результаты исследования были опубликованы в Вестнике Института экономики РАН.
По материалам пресс-службы МГУ
Темы: Наука и технологии